R Code for Regional Analysis: Interactive Visualization of Projected Population Mesh and Bus Stop Placement using Leaflet and GSI Tiles 地域分析のためのRコード:将来推計人口メッシュとバス停配置のLeafletによる可視化(地理院地図)

要旨

地域分析のためのRコード:将来推計人口メッシュとバス停配置のLeafletによる可視化(地理院地図) 概要 本リポジトリは、統計的な実績・推計人口(面データ)と公共交通インフラ(点データ)を地図上に重ね合わせ、地域における公共交通の供給状況を客観的に把握・分析するためのRスクリプトを公開するものである。例として、愛知県一宮市の1kmメッシュ人口データとバス停位置データを使用した可視化を行っている。持続可能な地域公共交通のあり方を検討する際、需要(人口)と供給(インフラ)の実態を科学的に把握することは、実効性のある対話の出発点となる。本スクリプトは、国土数値情報の将来推計人口メッシュとバス停位置をLeaflet上で重ね合わせ、日本の地理的文脈に即した「地理院地図」をベースマップとして採用することで、視認性と精度の高い分析環境を実現した。 これにより、交通空白地帯やデマンド型交通の必要性を直感的に把握できるインターフェースを提供している。このような可視化は、リソースの限られた地方自治体における証拠に基づく政策立案(EBPM)を強力に支援し、データに基づいた住民との合意形成を促進するものである。単に効率性を追求するだけでなく、地域のニーズに基づいた柔軟な援助や政策的判断を行うための科学的な判断材料を提供することを目指している。 1. 開発の背景と目的 持続可能な地域公共交通のあり方を検討する際、需要(人口)と供給(インフラ)の実態を科学的に把握することは、実効性のある対話の出発点となる。本スクリプトは、単に効率性を追求するだけでなく、地域のニーズに基づいた柔軟な援助や政策的判断を行うための「科学的な判断材料」を提供することを目的とする。 既存のツールには、実務上・研究上の以下のような課題が存在する。 国土交通省「現状可視化ツール」との比較: 強力な分析機能を備えているが、利用には自治体関係者等のID発行が必要であり、研究者や市民、あるいは迅速な検証を求める現場担当者が即座にアクセスして分析を開始するにはハードルがある。 RESAS(地域経済分析システム)との比較: ブラウザ上の操作が煩雑であり、同様の分析を他地域で繰り返したり、将来推計人口(2050年等)と比較したりする際の「分析の再現性」や作業効率に難点がある。 本スクリプトは、オープンデータとR言語を組み合わせることで、事前のID登録や費用負担といった利用上の障壁を最小化し、高度な再現性を備えた政策科学のための分析環境を提供することを目指している。 2. アイデアの参照と独自性 将来人口メッシュと交通網の重ね合わせという視覚的分析のアイデアについては、先行事例(神奈川大学 岩田真一郎氏「コミュニティバス路線上の人口密度の可視化」)を参考にしつつ、実装面においてはGeminiによるコード支援に基づき、以下の特徴を持つよう独自に作成した。 sf および tidyverse を用いた現代的で堅牢な地理空間演算ロジック。 leaflet を活用した、軽量でインタラクティブなWebマップ形式での出力。 行政区域での切り抜き時に発生しがちな幾何学的エラー(GEOMETRYCOLLECTION等)を、st_collection_extract を用いて自動的に処理・回避する実務的なコード構成。 3. 技術的特長 レイヤー構造の統合: 人口規模を暖色系(YlOrRd)、バス停を寒色系(Blue)で配色し、供給の状況を視覚的に明示。 動的な情報表示: マウスオーバー(label機能)により、地図上を操作するだけで特定のポイントのバス停名を即座に確認可能。 将来推計への対応: 用いる人口データの列名(PTN_2015 〜 PTN_2050)を変更するだけで、現在から将来までの変化をシームレスに分析できる。 4. 地図タイルのカスタマイズ:国土地理院地図による実務的洞察 本スクリプトでは、既発表のスクリプト(https://doi.org/10.5281/zenodo.20016119)に変更を加え、背景地図をデフォルトのOpenStreetMapから国土地理院地図(地理院地図・淡色地図)に変更したものである。同様の手順で、本スクリプトを修正しOpenStreetMapを背景地図にすることは可能である。 【地理院地図採用のメリット:一宮市南東部の事例】 例えば、一宮市南東部において「人口密度が低く、かつバス停が配置されていないメッシュ」を確認すると、OpenStreetMapでは単なる空白地帯に見えるが、地理院地図(淡色地図)を適用すると、地図記号からそこには広大な田(農地)が広がっていることが判別できる。これにより、その空白が「公共交通の不備」ではなく、土地利用の実態に基づく「妥当な未配置」であろうと推測可能となる。背景地図に公的な地理空間情報を重ねることで、自治体における実務的な政策評価資料としての説得力は飛躍的に向上する。 5. データの詳細と入手先 本解析には、国土数値情報から提供されている以下のデータを使用する。 行政区域データ (N03) https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-N03-v3_1.html バス停留所データ (P11) https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-P11-2022.html 将来推計人口メッシュデータ https://nlftp.mlit.go.jp/ksj/gml/datalist/KsjTmplt-mesh1000h30.html ※「愛知県」を選択し、1km_mesh_suikei_2018_shape_23.zip をダウンロードすること。 6. 実行手順 上記URLより対象地域(例:愛知県)のデータをそれぞれダウンロードし、解凍する。 構成ファイル(N03-20_23_200101.shp等)をRの作業フォルダに配置する。 スクリプト内(Population_Mesh_and_Bus_Stop_Map_GSI_Ichinomiya.R)のファイル名が実際のファイル名と一致しているか確認し、実行する。 実行結果の地図は、RStudio内の「Viewer」タブまたはデフォルトのWebブラウザに出力される。 [English] R Code for Regional Analysis: Interactive Visualization of Projected Population Mesh and Bus Stop Placement using Leaflet and GSI Tiles Summary This repository provides an R script for objectively understanding and analyzing the supply status of regional public transportation by overlaying statistical historical/projected population (area data) and public transport infrastructure (point data) on a map. As an example, it performs visualization using 1km mesh population data and bus stop location data for Ichinomiya City, Aichi Prefecture. When considering the future of sustainable regional public transportation, a scientific understanding of the actual state of demand (population) and supply (infrastructure) serves as the essential starting point for effective dialogue. By overlaying projected population mesh data from the National Land Numerical Information with bus stop locations using the Leaflet library, and by adopting the "GSI Tiles" (Geospatial Information Authority of Japan) as the base map to ensure high accuracy and visibility within the Japanese geographical context, this script provides an interface that intuitively identifies transport-poor areas and the potential need for demand-responsive transport (DRT). Such visualizations strongly support Evidence-Based Policy Making (EBPM) in local governments with li